【mobileye】2024 Driving AI

# Brief
今年的Driving AI Mobileye的CEO Shashua教授和 CTO Shwartz教授的分享，重点讨论了目前Tesla，waymo和mobileye在自动驾驶技术路线选择上的对比，以及mobileye AI目前使用CAIS（Compound AI Systems）而非 E2E方案的逻辑

https://www.youtube.com/watch?v=92e5zD_-xDw

https://www.youtube.com/watch?v=zwVBaFPQSP4

[【附件】Driving AI 2024 - Amnon and Shai.pdf](/media/attachment/2024/10/Driving_AI_2024_-_Amnon_and_Shai.pdf)

# Self minding

Shashua教授提到相较于基于规则的决策，实际的开车决策中，根场景有比较大的关联，例如对于stop sign 大部司机都是带着速度没车后不停直接通过，只有很少司机会停下来确认。所以规则只能做到正确且古板；但是非典型行为是否一定是更智能的表现？
决策速度，对于变化的响应能力；也是智能决策的关键

mobileye之所以没有选择走端到端的路线一共有以下几个原因：
端到端的优点：
不需要人工写大量规则而全都基于机器进行训练；从而减少了大量的glue code 也就是用于粘合或者打补丁的规则代码；

1. 现有模型都是基于transformer的encoder+tokenizer+decoder结构，但是现有最好的大模型仍然对于9*9乘法表这样的运算能力比较乏力，并且学习效率不高，所以微小的corner case可能会无法学习到；
2. 端到端对于多传感器之间的融合，无法解决长尾问题，也就是因为传感器之间的独立故障率使得学习过程存在困难，从而导致无法达到理想的MTBF；

而mobileye的核心能力则是：
1. 对于安全有着充分的理解基于RSS；
2. 他们有自己高效的transformer算法 vanilla transformer；他们的的eyeq6芯片可以针对自己的指定算法做到极致的性能优化，在算力相比较于eye5只有2倍提升的情况下，帧率能够做到10倍提升；